Datawhale干货
作者：李柯辰，Datawhale成员
写在前面
大家好，我们是2023年第二届百度搜索创新大赛 赛道三——AI应用设计赛道的冠军团队——“肝到凌晨”，很高兴能与大家分享我们这次比赛的经验，同时也希望以后有机会可以一起交流学习。
赛事地址：
https://aistudio.baidu.com/competition/detail/1067/0/introduction
赛道三 —— “设计一个解决搜索用户需求的AI原生应用” 基于参赛者对搜索用户充分的调研，洞察用户在搜索场景的需求，结合AI的能力，构建AI应用直接有效地解决用户痛点和需求。
赛题分析与准备
初赛市场调研
在初赛阶段，经过对 AIGC 市场的深入市场调研和分析，我们注意到随着行业生态的持续成熟，应用层面的 AI 模型发展迅猛，而模型底层技术的开放则为 AI 应用赋予了更广阔的可能性。基于以上调研结果，我们设计了一个以市场需求为导向的智能人机交互知识库方案，充分利用了 AI 的通用能力和个性化能力，有效提升了知识库平台的智能化水平。
方案设想
为了满足市场需求、解决用户痛点，我们深入分析了解用户在简历优化场景中的需求。基于“AI 简历助手”方案设想，我们依托大模型的强大搜索和自然语言生成能力，构建出一款高效的 AI 应用，直接解决用户核心问题，帮助用户快速创建可展示其优势的个性化简历，满足用户需求。
开发路线制定和技术储备
为了解决模型调用技术和开发角度的选择问题，我们仔细研读官方文档，并通过会议交流，制定了总体开发路线和功能设计方案。同时，我们通过检索相关技术文档，总结出过往的大模型应用开发经验和技术方案，进行了充分的技术储备。
协作方式
团队采用远程协作形式，利用飞书、GitHub、任务管理等成熟的办公工具来协调整个开发流程,同时定期拉会议交流协作，进行成果性验收，利用需求池和优先级排序来进行开发进度把控和应用落地方案制定。
团队优势
我们因 Datawhale 而聚，从专科、本科到研究生，形成了一支多学科、跨院校，一专多能的复合型团队。自首个 AI 开源项目 LinChance GPT 开始，我们共同成长，默契程度在磨合中不断提升，协作方式也日益成熟。
LinChance GPT 项目链接：https://gpt.linchance.com
我们 Team 中专研 NLP 方向和大模型的北大研究生负责项目大模型和向量数据库实现部分，来自中石大和南开大的研究生负责项目方案创新与产品优化改进，同时我们也有经验丰富的前后端开发工程师负责项目技术构思与 coding 实现，团队分工明确，合作紧密，促进项目开发顺利推进。
我们的团队 Leader 李柯辰，来自于南京航空航天大学，同时也是江苏霖承科技有限公司 CEO ，Datawhale 开源组织的活跃成员。他不仅在技术领域表现卓越，同时以其优秀的沟通和协调能力，合理分配任务，严格把控项目进度，实现项目高效推进。
团队的多样性与专业性使我们能够充分发挥各自的优势，最终取得显著成果。
比赛过程
在本次比赛中，我们的项目涵盖了多个关键阶段，包括竞品分析、技术栈选择、功能设计、原型设计、需求池管理、测试与优化，以及最终的产品发布上线。
以下是我们项目的一些亮点和经验总结：
竞品分析与项目启动 在项目初期，我们进行了全面的竞品分析，深入了解市场现状，这为我们明确项目的定位提供了重要参考，确保我们的项目具有独特的竞争力和差异化优势。
技术栈选择与技术储备 根据赛题要求以及开发路线决策，前端使用百度官方开发者工具进行小程序开发，技术栈为 SWAN App 和 Smart UI，后端继续使用熟悉的 Django 4.2（我们同时也在 GitHub 拥有开源课程，此处附上课程链接：https://github.com/Joe-2002/sweettalk-django4.2），确保功能设计的顺利实现与项目稳定推进。我们提前研读了文心一言模型 3.5 的官方调用文档，并结合 Prompt Engineering 在 demo 中提前跑通实现，为应用开发做好技术储备。
功能设计 在功能设计阶段，我们结合市场调研、用户需求和竞品分析，确保项目功能既满足用户核心需求，又在技术上可行。
原型设计 原型设计是项目中的关键环节，我们深入设计了AI应用的具体页面样式与交互逻辑，旨在为用户提供更加直观、友好的使用体验。
需求池搭建与优先级排序 我们将功能需求进行拆分并构建需求池，根据可实现性和重要性进行优先级排序，帮助团队高效推进项目，确保每个阶段都目标明确。
测试、优化、迭代 在项目测试阶段，我们使用真实用户信息进行反复测试，根据生成内容进行应用功能完成度评估与分析，并结合内测用户反馈，不断进行产品优化和版本迭代，提升产品的质量，提高用户满意度。
顺利上线 最后，通过百度官方程序完成项目上线。经过不断迭代，我们的 AI简历助手从初步设想逐步转化为实际应用，形成完整的开发流程闭环。
赛后总结
没有最好，只有更好
在决赛答辩前夕，我们团队全力以赴，积极与主办方安排的专家进行深入交流，不断优化项目PPT，积累答辩技巧。我们追求卓越，坚信没有最好，只有更好。因此，我们以突出产品优势、技术优势和团队优势为目标，不断优化项目，确保在最终答辩时能够呈现出最佳效果。正如我们的队名“肝到凌晨”所寓意的一般——坚持不懈、努力拼搏。
大胆决策，敢于尝试
与其他团队有所不同，我们团队选择完全独立的自主开发式应用，旨在打造一个实用的AI简历优化产品。并且我们采用的是百度开发者工具，由于缺少官方技术文档支持和开发培训，前期踩坑较多。但正是我们在比赛中的果断抉择和大胆尝试，以及不断试错，不断进步，不断实现产品的迭代优化，让我们最终得以扫清一切阻碍，成功完成AI应用的开发。这也成为了我们作品的颠覆性优势，使我们的作品在众多AI应用插件中脱颖而出。
We are a nice team！
我们团队从初赛到决赛这一路走来，不断迎难而上，凭借着独特的团队结构和成员组成，实现了能力的全方面覆盖，最终形成完整的开发链路闭环。也得益于我们娴熟的团队协作和合理的人员分工，早期的 MVP 版本方案能够快速实现落地，拥有一个好的效果和完成度。这些都是我们能够斩获冠军的重要因素。
感谢
感谢 Datawhale 提供了这样一个平台，因为 Datawhale 的 AI 夏令营活动，我们才得以相遇，走到一起成为一个 Team ，让我们的梦想成功落地发芽。
同时，必须感谢对本次比赛的主办方——百度和英伟达，正是因为这次的机会，我们团队得以齐聚北京，共同追求技术的卓越。并在此感谢微软 MVP 讲师刘兆生老师在赛前给予我们的宝贵指导和建议。
最后，感谢我们团队中的每一位成员，从 Datawhale AI 夏令营中获得“最佳创意奖”的开源项目起步，到现在百度搜索创新大赛赛道三中荣获冠军，每一次成就都凝聚着我们每一位成员的辛勤付出与默契协作。
Datawhale 不仅仅是一个平台，它更像是一座灯塔，引领着我们这群对知识有着无尽渴望的探索者，驶向更加广阔的技术海洋。
正是 Datawhale 的理念和使命，鼓励并推动了开源文化的发展，让我们这样的团队能够在开放、共享的环境中成长，不断学习和进步。在这个平台上，我们不仅提升了知识和技能，而且更重要的是，我们还培养了团队协作和共同创造的价值观念。Datawhale 的每一次活动、每一次挑战，都激励着我们去超越自我，去追求卓越。
